共查询到20条相似文献，搜索用时 421 毫秒
1.
2.
针对大豆病害专家系统中诊断特征条件的复杂性和不确定性等问题,将病害证据可信度和不确定性推理的传递算法有机结合,提出了一种基于证据可信度不确定推理的大豆病害诊断方法。由植保知识库的专家先验知识和作物病害发生时期、部位和症状等表现特征,构成可信度权重作为推理依据;利用该文提出的基于证据可信度的不确定推理方法及推理规则,实现了大豆病害的自动诊断与决策。应用实践表明：该方法简单、可靠、易于实现,对大豆病害的诊断准确率达到87.62%,为植物病害的智能远程诊断和科学管理提供了一种高效的新途径。 相似文献
3.
基于模糊规则提升理论的马病辅助诊断专家系统 总被引：1，自引：0，他引：1
为解决中国马产业发展过程中马病兽医专家严重缺乏的问题,该文在系统地挖掘马病专家临床经验与诊断思维的基础上,全面改进了传统的专家系统推理机制与知识表示方法,采用对象-属性-值三元组法(object-attribute-value,O-A-V三元组法)对马病知识进行表示,应用置信系数多值逻辑对知识模糊性进行评价,并在系统中集成模糊规则提升理论(fuzzy rule promotion theory),利用该机制不断调整提升置信系数(promote confidence factor,PCF),进而实现规则置信度的动态、实时调整与优化。最终采用Microsoft.Net操作平台,SQL Server 2008数据库管理工具,研制开发了基于B/S结构的马病辅助诊断专家系统。结果应用临床上已经确诊的大量病例对系统的规则置信度进行动态调整,通过13次样本病例测试,系统诊断符合率由原来的56.47%提高并维持在92.28%。结果表明,该文采用的置信系数多值逻辑知识评价方法与模糊规则提升理论可显著提高系统诊断准确率,为马病辅助诊断专家系统的临床应用奠定了基础,同时也为开发其他动物疾病的诊断专家系统提供了新的思路。 相似文献
4.
5.
基于神经网络的作物营养诊断专家系统 总被引：8，自引：4，他引：8
针对传统专家系统自学习能力差的缺点,设计了基于神经网络的作物营养诊断专家系统。收集了小麦缺素时的田间宏观表现、叶部、茎部、果实症状及引起缺素的原因,由专家进行诊断,将其在诊断过程中输入的可信度值和结论作为神经网络的输入神经元和输出神经元。在PC机上经过神经网络学习产生的学习结果存入永久性存储器中作为系统知识库的一部分,然后采用MCS-51C进行设计,在单片机上实现了整个系统的诊断功能。通过田间试验表明该系统充分模仿了专家现场诊断的功能,大大提高了诊断效率。 相似文献
6.
农业病虫害预测预报专家系统平台的开发 总被引：24，自引：0，他引：24
详细介绍了农业病虫害预测预报专家系统平台的设计与开发，包括系统的整体结构与功能设计、系统知识库的设计与知识组织模型、系统各功能模块的设计及系统的特点等。系统主要由专家知识库、系统推理机、预测预报模块、知识库管理模块、案例库管理模块和预测结果解释模块等构成，以数据库形式来存放有关的专家知识，共定义10个数据表，各表间形成了特定的关联关系，使得表中所包含的有关知识描述、特征临界值、生成的判别条件及发生等级间构成一种网状模型。系统采用了基于专家知识的前向型推理与基于案例的推理(Case-Based Reasoning, CBR)相结合的方式进行预测推理。各模块的用户界面采用“向导”或其它提示方式引导用户完成专家知识库的维护、用户数据输入、推理确认、病虫害预测预报结果显示、案例库管理(包括案例确认、补充信息及案例统计)及预测结果解释等操作。系统具有开放、自学习、易操作等特性，可广泛应用于农业、林业等病虫害预测预报专家系统的构建。 相似文献
7.
针对贝叶斯网络在具体应用时需根据实际应用问题来建立相应的贝叶斯网络模型的问题，采用Java语言设计并开发了一套贝叶斯网络预测诊断系统，用来实现因果推理和诊断推理。重点讨论了系统的网络数字化、网络学习、网络推理等关键问题。利用该平台建立了过度训练的诊断网络，通过试验证明得出，此套系统简单易用、通用性强，可应用于不同的研究领域。 相似文献
8.
简介了安徽省级农业气象灾害测评专家系统的设计思想、知识库构建、推理机制及系统应用。 相似文献
9.
10.
规模化蛋鸡场现代化生产管理系统的建立与应用 总被引：7，自引：8，他引：7
为建立一个我国规模化蛋鸡场适用的生产管理系统，综合运用了多媒体技术、网络化管理、人工智能和自动化监控技术方法。通过人工神经网络与专家系统有机结合，改进鸡疾病专家系统；创建免疫接种备忘系统。由生产统计、生产计划、饲料配方、饲料库存、免疫接种和鸡病诊断专家系统构建成网络化软件系统。各子系统在数据库级别上达到企业数据资源的共享和利用，也可根据用户应用需求单独使用其中的子系统。同时，利用传感器、工控机和摄像机对鸡舍环境实行全方位的温湿度监测、移动摄像和鸡舍设备自动控制，实现鸡场远程管理。结果表明：系统高度集成，运 相似文献
11.
分布式移动农业病虫害图像采集与诊断系统设计与试验 总被引：3，自引：2，他引：1
为了便捷地采集和实时诊断农业病虫害图像,设计了一个分布式移动农业病虫害图像采集与诊断系统。该系统由多个便携式图像采集终端和一个图像处理服务器组成;其中,图像采集终端包括嵌入式相机、可伸缩的手持杆和装载控制App的手机;图像处理服务器包括农业病虫害诊断、信息记录和反馈模块等。手持杆可将安装在其前端的嵌入式相机送到人手或视觉难以企及的病虫害区域,手机可实时预览前端相机的拍摄画面和实现控制相机完成农业病虫害图像采集等功能;系统通过HTTP协议实现多个采集终端与图像处理服务器的数据交互,协同进行分布式计算,可以减少网络移动资费和服务器的负载。利用该系统对水稻纹枯病图像采集与诊断测试结果表明,该系统的图像采集终端可以便捷地采集到水稻纹枯病图像,手机端视频预览画面延时低,对相机控制命令无误,图像采集终端与服务器通信稳定,服务器端对水稻纹枯病图像处理和诊断实时,基于图像的水稻纹枯病为害等级诊断准确率为83.5%。如果服务器端加载不同的农业病虫害图像处理和诊断算法,该系统可广泛应用于各种农业病虫害图像的采集与诊断。 相似文献
12.
鱼病诊断短信平台设计与实现 总被引：3，自引：1，他引：2
由于农村很多地区不具备互联网服务条件,基于Web的鱼病诊断专家系统使用受到了一定的限制。针对移动电话普及范围广、手机短信使用方便的特点,围绕短信平台技术,对鱼病诊断短信平台诊断流程和系统编码进行设计,并用Java语言对鱼病诊断短信平台进行开发,实现了养鱼户通过短信方式实时进行鱼病诊断的功能。试验结果表明,鱼病诊断短信平台平均反应时间为20 s,天津地区淡水鱼常见鱼病诊断正确率为93.57%。从技术手段上进一步推进了鱼病智能诊断的应用,对扩大鱼病诊断知识的应用范围起到了积极的作用。 相似文献
13.
基于Android系统手机的甜玉米病虫害智能诊断系统 总被引：9，自引：4，他引：5
为农业智能诊断系统更加廉价、便捷、有效地为普通农户服务,该文针对Android手机终端,提出了一种基于Android手机的农业病虫害智能诊断系统的设计方法,构建了一个通用的、便于"二次开发"且人机交互技术丰富的数据库和应用程序的开发环境,并采用"产生式"规则和正向推理方法,设计了甜玉米病虫害的树型图和推理机等,重点研究和开发了"基于Android手机的甜玉米病虫害智能诊断系统",该系统的开发方法具有一定的通用性。测试和初步应用的效果显示,该系统具有便携、实用、界面友好和不受有线网络环境限制等特点,有较强的实用性和推广应用前景。 相似文献
14.
15.
基于改进Multi-Scale AlexNet的番茄叶部病害图像识别 总被引：13，自引：11，他引：2
番茄同种病害在不同发病阶段表征差异明显,不同病害又表现出一定的相似性,传统模式识别方法不能体现病害病理表征的动态变化,实用性较差。针对该问题,基于卷积神经网络提出一种适用于移动平台的多尺度识别模型,并基于此模型开发了面向农业生产人员的番茄叶部病害图像识别系统。该文详细描述了AlexNet的结构,分析其不足,结合番茄病害叶片图像特点,去除局部响应归一化层、修改全连接层、设置不同尺度卷积核提取特征,设计了基于AlexNet的多感受野识别模型,并基于Android实现了使用此模型的番茄叶部病害图像识别系统。Multi-ScaleAlexNet模型运行所耗内存为29.9MB,比原始AlexNet的内存需求652MB降低了95.4%,该模型对番茄叶部病害及每种病害早中晚期的平均识别准确率达到92.7%,基于此模型的Andriod端识别系统在田间的识别率达到89.2%,能够满足生产实践中移动平台下的病害图像识别需求。研究结果可为基于卷积神经网络的作物病害图像识别提供参考,为作物病害的自动化识别和工程化应用参考。 相似文献
16.
温室精准对靶喷雾机器人研制 总被引：3，自引：3，他引：0
对靶喷雾是目前农业信息技术领域的一个研究热点。根据靶标的尺度不同,对靶喷雾有不同的层次。对作物植株单体甚至是单个叶片内病害区域进行对靶喷雾是当前的一个难点。该文研发了一套温室内移动对靶喷雾系统,实现了对黄瓜等篱架型植物以0.2 m×0.2 m区域为靶标的精准喷雾。系统主要由移动平台、机械臂、病害信息诊断和变量喷嘴4部分组成。移动平台采用高架导轨安装模式,可根据黄瓜垄地位置停车。4自由度的直角坐标系机械臂吊装在平台下,与喷杆配合每垄可实现1.2 m×1.2 m区域的作业。病害信息诊断以图像分析为主要手段,构建了双目视觉图像采集系统,将1.2 m×1.2 m的采集区域划分为36个0.2 m×0.2 m的单元,根据分析结果确定每个单元的病害等级。1.2 m长的喷杆上均布6个喷嘴,每个喷嘴每次对应一个区域单元,并根据病害等级程度控制喷嘴的喷雾时间来实现变量喷雾。 相似文献
17.
基于卷积神经网络的温室黄瓜病害识别系统 总被引：25，自引：14，他引：11
基于图像处理和深度学习技术,该研究构建了一个基于卷积神经网络的温室黄瓜病害识别系统。针对温室现场采集的黄瓜病害图像中含有较多光照不均匀和复杂背景等噪声的情况,采用了一种复合颜色特征(combinations of color features,CCF)及其检测方法,通过将该颜色特征与传统区域生长算法结合,实现了温室黄瓜病斑图像的准确分割。基于温室黄瓜病斑图像,构建了温室黄瓜病害识别分类器的输入数据集,并采用数据增强方法将输入数据集的数据量扩充了12倍。基于扩充后的数据集,构建了基于卷积神经网络的病害识别分类器并利用梯度下降算法进行模型训练、验证与测试。系统试验结果表明,针对含有光照不均匀和复杂背景等噪声的黄瓜病害图像,该系统能够快速、准确的实现温室黄瓜病斑图像分割,分割准确率为97.29%;基于分割后的温室黄瓜病斑图像,该系统能够实现准确的病害识别,识别准确率为95.7%,其中,霜霉病识别准确率为93.1%,白粉病识别准确率为98.4%。 相似文献
18.
肉鸡安全生产全过程跟踪与可追溯平台的设计 总被引：2，自引：2，他引：0
以国家肉鸡产业技术体系项目为研究背景,开发了包含雏鸡生产子系统、肉鸡生产子系统、肉鸡屠宰加工子系统、肉鸡储运子系统、肉鸡销售子系统、体系管理部门子系统、检验检疫子系统和一个用于各个子系统登录、消费者查询及体系管理部门信息发布的网站系统的肉鸡安全生产全过程跟踪与可追溯平台。首先用UML进行面向对象系统分析,再采用Java EE构架,以Java和Action Script3.0作为设计语言,结合SQL Server 2005数据库管理系统和Apache Tomcat 6.0 Web服务器进行设计实现。用Flex技术开发的视频即时通信可进行在线咨询和在线诊断。该平台实现了肉鸡从生产、屠宰加工、冷链储运到销售所有环节信息的跟踪与可追溯,具备肉鸡养殖疫情与产品质量安全预警功能,从生产管理各环节保证了肉鸡产品安全。 相似文献
19.
基于改进MobileNet-V2的田间农作物叶片病害识别 总被引：9，自引：9，他引：0
农作物病害是造成粮食产量下降的重要因素,利用智能化手段准确地识别农作物病害有利于病害的及时防治,该研究基于改进的MobileNet-V2识别复杂背景下的农作物病害,对未来覆盖各种作物的智能化病害识别工作具有重要意义。首先创建含有11类病害叶片及4类健康叶片的农作物数据集,采用数据增强操作构造不同的识别场景。其次在原始模型MobileNet-V2的基础上,嵌入轻量型的坐标注意力机制,建立通道注意力与位置信息的依赖关系。然后对网络中不同尺寸的特征图采取上采样融合操作,构建兼具网络高、低层信息的新特征图。此外,采用分组卷积并删除模型中不必要的分类层,减少模型参数量。试验结果表明：改进模型的参数量为2.30 MB,改进模型的识别准确率在背景复杂的农作物叶片病害数据集中达到了92.20%,较改进前提高了2.91个百分点。相比EfficientNet-b0、ResNet-50、ShuffleNet-V2等经典卷积神经网络架构,改进模型不仅达到了更高的识别准确率,还具有更平稳的收敛过程以及更少的参数。该研究改进的模型较好地平衡了模型的复杂度和识别准确率,为深度学习模型移植至田间移动病害检测设备提供了思路。 相似文献
20.
基于轻量级CNN的植物病害识别方法及移动端应用 总被引：3，自引：8，他引：3
为了实现在手机端植物病害叶片检测,对MobileNet和Inception V3 2种轻量级卷积神经网络进行迁移学习,得到2种作物病害分类模型,将2种分类模型分别移植到Android手机端,在识别精度、运算速度和网络尺寸之间进行平衡,选择最优模型。试验表明,MobileNet和InceptionV3在PlantVillage数据集(共38类26种病害)上平均识别率分别是95.02%和95.62%。在自建图像集葡萄病害叶片的识别中MobileNet和InceptionV3平均识别率分别是87.50%、88.06%,Inception V3的整体识别精度略高,但MobileNet在所有类别的识别上均衡性更好;在模型尺寸方面Inception V3的模型尺寸大小为87.5 MB,MobileNet的模型尺寸为17.1 MB,大约是后者5倍;2种模型移植到手机端时,MobileNet和Inception V3的APP所占内存分别是21.5和125 MB;在手机端单张图片的识别时间方面,Inception V3平均计算时间约是174 ms,MobileNet的平均计算时间约是134 ms,后者的平均计算时间比前者快40 ms;在手机端MobileNet相比于Inception V3占用内存更小,运算时间更快。说明MobileNet更适合在手机端进行植物病害识别应用。 相似文献